最近因为麦烧老师在微博上的推荐，我做的米兔中国网站引起了一些小小的关注。趁这机会，想稍微写些自己对于MeToo运动的思考。

「认知不公」（epistemic injustice）是近十年来兴起的一个女性主义认识论概念，由英国女性主义哲学家Miranda Fricker提出。网上谈MeToo的文章汗牛充栋，本文只是想从「认知不公」这个小角度来谈一谈MeToo运动的意义。

MeToo自2017年爆发后激起了各种不同的声音。但即便立场各异，至少大多数人能同意的共识是，MeToo运动确实鼓励了很多受到伤害的女性站出来^[1]，只是另一方面其中也可能会出现诬告，会有误伤，从而影响到当事人的声誉。在如何权衡这两者的利弊、轻重上大家有不同的价值观，进而导致了对这一运动的不同态度。

刘瑜老师《关于MeToo》一文中崇尚法治精神、无罪推定的态度是其中一种代表性的理性声音。只是她的观点似乎多少有些「何不食肉糜」之嫌。毕竟在今天的中国针对性骚扰的司法救济困难重重。据北京源众性别发展中心发布的《中国防治职场性骚扰法律与司法审判案例研究报告》统计，2010年至2017年间约5000万裁判文书中仅有34例以性骚扰为主要诉讼事实的案件。其实我并非反对刘瑜老师对诉诸法律的偏好，这也是在一个理想社会中维护公平正义的首要途径。但从现实的维度来看我们的社会仍不「理想」，而是一个充满了「认知不公」的社会。

最近在做万年历网站的同时也连续写了好几篇有关历法的文章了。这篇写完这一系列大概就先告一段落了吧（当然几篇文章之间主题各异，其实也称不上是一个系列）。本文总结了一下水族历法的主要特征。与藏、傣、彝等其他一些中国少数民族的历法相比，水历的受关注程度要小的多，相关资料与研究也就少的多，其中有疏漏在所难免，只能说是简单描绘一下水历的概貌而已。文中水族二十八宿的水书文字源于《水书常用字典》，由BabelStone制成字体，特此感谢。

水历是水族特有的历法。现行水历与夏历大体一致，主要区别在于水历建戌，以夏历九月为岁首。

以现行中国农历编算规则，2033年（癸丑年）的农月闰月应出现在十一月，但网上流传的许多万年历却错误地将闰月置于七月或来年（甲寅年）正月，这被称为农历中的「2033年问题」。但这所谓的「问题」其实并不是真正的问题，置闰错误的原因仅仅只是对农历的编算规则有误解而已。与此相比，日本旧历中的「2033年问题」却是个真真正正的「问题」。如果严格按照日本旧历（天保历）的规则，2033年的置闰将变得无解。虽然都被称作「2033年问题」，中国农历与日本旧历中的「问题」有本质区别，不可混为一谈。这倒有点像「悖论」（paradox），有一些悖论是真正意义上存在逻辑矛盾的悖论，还有些只是源于误解罢了。^[1]

在这农历戊戌年的年尾，正好趁着放假，花了点时间使用高精度的现代天文学模型推算了从公元前104年至公元3000年这三千余年的农历，以及与中国农历相近的韩越日农历，并以此为基础做了个万年历。

从公元前104年（汉太初元年）汉武帝的太初历施行至今，两千余年来中国农历逐渐从基于规则排算的历法演变为了完全基于天文的历法。^[1]619年（唐武德二年）的戊寅元历弃平朔而采用定朔，此后1645年（清顺治二年）颁行的时宪历改平气为定气，则成为了中国农历历法最后一次重大的改革。所谓平朔、平气，就是假定日、月运动是均匀的，将所有的「朔」（日月合朔）与「气」（节气）人为均匀地排布，而定朔、定气则是从天文角度规定日月视黄经相等的时刻为「朔」，太阳视黄经为15°整数倍的时刻为「气」。与平朔、平气法相比，定朔、定气法的困难之处就在于如何高精度地计算日月位置。现今通行的农历（紫金历）与清朝的时宪历一脉相承，区别也仅在于紫金历吸收了现代天文学成果，更为精确罢了。

一个公历年中可能会同时在年初和年末各出现一个农历新年么？按现行农历（夏历）并不会有这种情形，但历史上其实曾出现过一个公历年首尾各有一个农历新年的现象。

中国古代历法有所谓「三正」，即「周正建子、殷正建丑、夏正建寅」。冬至所在的是子月，此后依次为丑月与寅月。「夏正建寅」就是说以寅月为岁首，这也是自汉代太初历「改正朔」以来两千余年中国农历一直沿续至今的制度。试想一下，如果采用建丑的话，也就是冬至后的首个朔日为岁首，那新年可能出现在1月或12月。当然，周历、殷历亡佚已久，而二十世纪以来对殷墟甲骨文的研究也让许多学者开始怀疑殷历建丑之说。但无论三正说是否符合史实，后人确受其影响，历史上就有过四位皇帝（王莽、曹叡、武则天、李亨）仿「殷历」或「周历」改月建。虽然都历时不久，长的也就十来年，但一个公历年含两个农历新年的情形得以在中国历史上出现了四次。

自2013年癌症免疫疗法荣登《科学》年度十大科学突破之首后，这几年来以PD-1为代表的癌症免疫大热，各种临床应用层出不穷，革命性地改变的癌症冶疗的格局，获得诺奖也算是水到渠成。时隔七年，诺奖终于再度花落了免疫学领域。

癌症免疫疗法（cancer immunotherapy或immuno-oncology）是一类通过激活免疫系统来治疗癌症的方法。此类疗法采用了癌症免疫学研究的成果，这是肿瘤学中一个快速发展的研究方向。肿瘤细胞表面有能被免疫系统识别的肿瘤抗原，而这正是癌症免疫的基础。这些抗原一般为蛋白质或高分子（如碳水化合物）。免疫疗法可分为主动免疫、被动免疫与联合免疫。主动免疫疗法直接诱导自身免疫系统，使其能够识别肿瘤抗原，进而攻击肿瘤细胞。而被动免疫疗法则是借助外源物质发挥抗肿瘤作用，其中会用到单克隆抗体（简称单抗）、淋巴细胞、细胞因子等。

在这些疗法中，已有一些抗体疗法被批准用于治疗多种类型的癌症。抗体是一类由免疫系统产生的蛋白质，用于与细胞表面的靶抗原结合。免疫系统通常用其来攻击病原体。每种抗体对一种或数种蛋白质有特异性，那些能与肿瘤抗原结合的抗体可用于治疗癌症。细胞表面受体是抗体疗法的主要目标，如CD20、CD274与CD279等。一旦与肿瘤抗原相结合，抗体可以引发抗体依赖细胞介导的细胞毒（ADCC）作用、激活补体系统或阻断受体与其配体的相互作用，最终导致细胞死亡。目前已被批准的抗体包括阿仑单抗（alemtuzumab）、伊匹单抗（ipilimumab）、纳武单抗（nivolumab）、奥法木单抗（ofatumumab）与利妥昔单抗（rituximab）等。

我从小就患有「Malusdomesticaphobia」（苹果恐惧症，其中Malus domestica是苹果的学名），每次吃新鲜苹果就会全身发麻，只能吃煮熟的苹果或者苹果干。最近在Amazon上买了点北极苹果干试了试，一下就喜欢上了，香脆可口，口感特别棒。在苹果干的加工过程中，氧化褐变一直都是个重要问题，传统上会添加亚硫酸盐、柠檬酸、抗坏血酸等褐变抑制剂来控制。而北极苹果则是通过基因技术抑制多酚氧化酶的表达，从根源上解决了这个问题。

北极苹果（Arctic apples）是指通过生物技术改良后拥有防褐变特性的一类苹果品种。与普通苹果不同的是，当切开或者磕碰等造成机械损伤后，北极苹果的果肉不易变色。北极苹果由欧肯纳根特色水果公司（Okanagan Specialty Fruits Inc.）使用基因工程技术研发，公司的研究人员运用了基因沉默的方式抑制多酚氧化酶的表达，从而达到了防止苹果褐变的目的。这是首个被批准上市的转基因苹果。与此同时，同样由基因技术改造的防褐变土豆Innate已获准在美国销售。美国食品药品监督管理局与加拿大食品检验局分别于2015年与2017年认定北极苹果的安全性与营养价值与传统苹果无异。

我在中文互联网上完全找不到关于Heinz Kloss提出的abstand language与ausbau language的详细介绍，似乎Kloss的这一理论在中国的影响不大。其实，这一理论对厘清「语言」、「方言」等概念还是很有帮助的。汉语言学界对粤语、吴语、闽语等究竟算是独立的语言还是汉语方言一直有争议，或许可以借由这一理论做一些分析吧。如果纯粹按语言学上的亲缘关系看，这些当然都可以看作属于汉语族的独立语言，可以说是abstand language。但就像Max Weinreich的名言「A language is a dialect with an army and navy」所说的那样，从社会政治功能的角度而言，至少今天的吴语、闽语等很难说是独立的ausbau language。粤语可能要复杂一点，毕竟粤语在港澳还有着官方地位。此论文疏理了粤语是方言还是语言的争论，其中也提到了abstand与ausbau的概念，可供参考。

在社会语言学中，距离型语言（abstand language）是指与其他语言相距很远的语言变体或变体的群集，而扩展型语言（ausbau language）则是指标准化的语言变体，可能被其他相近的变体所依附。这两个术语皆为德国语言学家海因茨·克洛斯（Heinz Kloss）于1952年提出，旨在作为判断语言地位的两个独立标准：前者是基于与其他语言变体之间语言学性质的比较（abstand为德语「距离」之意），后者则是基于政治社会功能（ausbau为德语「扩展」之意）。

真正意义上的「国中国」（enclaved country）指的是一个国家的领土完全被另一个国家包围的情形，像被南非包围的莱索托，或者被意大利包围的梵蒂冈。而本文我们要讨论的则是一种扩展意义上的「国中国」：一个国家的地图不可避免地包括另一个国家的完整领土。

我试了下用Mathematica，一行代码就能输出所有此种意义下的「国中国」，果然Mathematica 大法好啊，当然代码可读性确实差了些：

1

MapAt[Style[#, Blue]&, Map[TextTranslation[EntityValue[#, "Name"], "en"->"zh"]&, (Function[c, {c}~Join~(EntityList["Country"]~Select~(AllTrue[Subtract@@Flatten/@GeoBounds/@{c, #}*{-1, 1, -1, 1}, Positive]&))]/@EntityList["Country"])~Select~(Length[#]>1&), {2}], {All, 1}]~Grid~(Dividers->{False, All})

主成分分析（PCA）是数据降维最经典的方法之一了，不过只能局限于线性降维。最近在学校的数据挖掘课上学到了对PCA基于核技巧（kernel trick）的非线性扩展——核PCA，就顺便翻译了相应的英文维基百科条目。核函数可能在支持向量机、高斯过程等机器学习算法中更常见，不过所有核方法的基本思想都是一致的，就是用核函数将数据非线性映射到高维空间中，再用线性方法处理就好了。

核主成分分析 （kernel principal component analysis，简称kernel PCA）是多变量统计领域中的一种分析方法，是使用核方法对主成分分析的非线性扩展，即将原数据通过核映射到再生核希尔伯特空间后再使用原本线性的主成分分析。